Qué hacemos
Reparación de hardware Mantenimiento de servidores Recuperación de datos Ampliación & upgradePor fabricante
Dell PowerEdge HPE ProLiant Lenovo ThinkSystem Fujitsu Primergy Supermicro IBM System x / Power Acer AltosIntervención & diferenciadores
Datacenter Lombardía Aruba Ponte San Pietro Más allá del soporte del fabricanteMemorias RAM ECC: diagnóstico módulo por módulo, sustitución selectiva.
Errores ECC por encima del umbral, eventos MCE (Machine Check Exception), kernel panic asociados a módulos concretos, DIMM deshabilitados por el BIOS: el diagnóstico parte de los logs del BMC y llega hasta el módulo culpable. Sustitución con un DIMM compatible en rank, voltaje, frecuencia y tipología (Registered frente a Load-Reduced).
El culpable casi siempre ya está en los logs.
Los servidores enterprise registran los errores ECC desde el primer evento. El problema operativo es que, hasta cierto umbral, los errores ECC corregibles no producen síntomas visibles: el sistema sigue funcionando. Cuando aparece el síntoma (cuelgue, reinicio, kernel panic), el módulo culpable ya ha acumulado evidencia en el SEL.
Lectura habitual mediante ipmitool sel elist o los equivalentes del fabricante (Dell racadm, HPE hponcfg, Lenovo xclarity): se busca el patrón Correctable ECC recurrente sobre un módulo concreto, un posible logging limit reached y, por último, el Memory Device Disabled que marca el módulo como ya no utilizable.
No basta con "un DIMM compatible".
- Rank: 1Rx4, 2Rx4, 2Rx8 — no todos los rank se admiten en todas las combinaciones de slots poblados.
- Voltaje: 1.5V frente a 1.35V (DDR3), 1.2V frente a 1.1V (DDR4/5). La mezcla es posible, pero el sistema se alinea al voltaje más alto.
- Frecuencia: el sistema baja a la frecuencia más baja presente. La mezcla depende de la CPU y del poblado.
- Registered frente a Load-Reduced: no se pueden mezclar. RDIMM y LRDIMM tienen topologías eléctricas distintas.
- Vendor SmartMemory: HPE Gen10+ exige DIMM con marcado HPE para evitar warning persistentes en iLO. Técnicamente compatibles, pero señalados como "non-HPE Smart" si son genéricos.
El slot, no el módulo.
En casos raros el problema no está en el DIMM sino en el slot de la motherboard (pin doblado, pista del PCB degradada). Se diagnostica moviendo el DIMM sospechoso a un slot que se sabe sano: si el error sigue al módulo, es el DIMM; si el error se queda en el slot, es la motherboard. En este último caso el slot puede aislarse por BIOS (poblando solo los slots sanos) o exige sustituir la motherboard.
Las preguntas que nos hacen más a menudo.
Errores ECC corregibles: ¿hay que intervenir de inmediato?
Depende del volumen. Los eventos esporádicos (1-2 al mes) son normales y el sistema los gestiona sin impacto. Los eventos recurrentes que superan el logging limit fijado por el fabricante (habitualmente 1000 en un día) son la señal de que el módulo se está degradando: cuanto antes se interviene, menor es el riesgo de que derive en un error no corregible (uncorrectable ECC) con caída del sistema.
¿Puedo mezclar DIMM de fabricantes distintos?
Técnicamente sí, si respetan los mismos parámetros (rank, voltaje, frecuencia, registered/LR). En la práctica, en los sistemas vendor-locked (HPE SmartMemory, Lenovo TruDDR) el sistema funciona pero registra warning persistentes. Para entornos con soporte crítico nuestra recomendación es la homogeneidad por slot poblado.
¿Cuánto cuesta una sustitución de DIMM típica?
Es una de las intervenciones de menor coste unitario dentro del rango de la reparación de hardware de servidor. Variables: capacidad del módulo (16/32/64/128 GB), tipología (RDIMM estándar frente a Vendor SmartMemory), velocidad y canal de aprovisionamiento. La estimación detallada llega con la solicitud de presupuesto.
¿Ejecutáis memtest86+ extendido antes/después de la intervención?
Sí, cuando el síntoma lo requiere o cuando el sistema permite la ejecución offline. En servidores en producción crítica nos apoyamos sobre todo en los logs SEL/MCE, que tienen la misma sensibilidad diagnóstica sin exigir parada. Tras la sustitución: stress test (memtest86+ extendido o stress-ng --vm bajo Linux) durante 4-12 h antes de la vuelta a producción.